基于語(yǔ)言信息的檔案網(wǎng)站績(jī)效評(píng)估模型研究

王小容，衛(wèi)貴武

(1．重慶文理學(xué)院學(xué)校辦公室，重慶 永川 402160;2．重慶文理學(xué)院經(jīng)濟(jì)與管理學(xué)院，重慶 永川 402160)

20世紀(jì)80年代以來(lái)，各國(guó)政府政務(wù)信息網(wǎng)的陸續(xù)開(kāi)通，對(duì)以政府網(wǎng)站績(jī)效評(píng)估為中心的研究逐漸成為國(guó)內(nèi)外學(xué)術(shù)界的一個(gè)熱點(diǎn)話題．伴隨著政務(wù)信息公開(kāi)化的呼聲，檔案網(wǎng)站的建設(shè)開(kāi)始被提上議事日程．然而，國(guó)內(nèi)學(xué)者對(duì)檔案網(wǎng)站績(jī)效評(píng)估問(wèn)題的研究卻不多，并且對(duì)檔案網(wǎng)站績(jī)效評(píng)估在關(guān)鍵問(wèn)題上沒(méi)有形成統(tǒng)一認(rèn)識(shí)，從而導(dǎo)致我國(guó)檔案網(wǎng)站績(jī)效評(píng)估舉步維艱．如何對(duì)檔案網(wǎng)站建設(shè)的成效做出公平、公正、公開(kāi)的評(píng)估，如何引導(dǎo)檔案網(wǎng)站建設(shè)向正確的方向發(fā)展是我國(guó)檔案部門面臨的重要問(wèn)題．

近年來(lái)，人們?cè)趯?duì)諸如人的思想品德、汽車性能等問(wèn)題進(jìn)行評(píng)估時(shí)往往會(huì)直接給出定性的評(píng)估信息(如：優(yōu)、良、差等語(yǔ)言形式)，因此對(duì)屬性值以語(yǔ)言變量形式給出的多屬性決策問(wèn)題的研究具有重要的理論和實(shí)際應(yīng)用價(jià)值．目前，國(guó)內(nèi)外有關(guān)該問(wèn)題的研究已有一部分成果［1-5，9-21］．由于客觀事物的復(fù)雜性、不確定性以及人類思維的模糊性，當(dāng)專家受一些主、客觀因素制約時(shí)，屬性值往往以語(yǔ)言變量的形式給出，并且只能獲取部分屬性權(quán)重的信息，甚至對(duì)屬性權(quán)重信息完全未知，因此對(duì)該類多屬性決策問(wèn)題的研究已引起了人們的關(guān)注．文獻(xiàn)［2］對(duì)屬性取值為語(yǔ)言變量、屬性權(quán)重信息完全未知的多屬性決策問(wèn)題進(jìn)行了研究．文獻(xiàn)［3］對(duì)屬性取值為語(yǔ)言變量、屬性權(quán)重信息不完全的多屬性決策問(wèn)題給出了一種交互式的決策方法．文獻(xiàn)［4］對(duì)屬性取值為語(yǔ)言變量、屬性權(quán)重信息完全未知的多屬性群決策問(wèn)題，基于離差最大化的思想，給出了一種求解屬性權(quán)重的公式．文獻(xiàn)［5］對(duì)屬性取值為語(yǔ)言變量、屬性權(quán)重信息不完全且對(duì)方案有偏好的多屬性決策問(wèn)題給出了解決該問(wèn)題的線性規(guī)劃模型．

鑒于此，本文將基于語(yǔ)言信息處理模型對(duì)我國(guó)檔案網(wǎng)站績(jī)效評(píng)估的問(wèn)題進(jìn)行深入和系統(tǒng)的研究，提煉出檔案網(wǎng)站建設(shè)中的關(guān)鍵指標(biāo)，形成客觀公正的檔案網(wǎng)站績(jī)效評(píng)估指標(biāo)體系和評(píng)估模型，協(xié)助相關(guān)部門發(fā)現(xiàn)檔案網(wǎng)站建設(shè)中存在的問(wèn)題，為優(yōu)化檔案網(wǎng)站建設(shè)和應(yīng)用標(biāo)準(zhǔn)提供決策依據(jù)，為我國(guó)檔案網(wǎng)站的建設(shè)建立全面的參照系統(tǒng)，使其朝著規(guī)范化、有序化方向發(fā)展，進(jìn)而提高我國(guó)檔案網(wǎng)站建設(shè)的整體水平．為此，本文首先引入語(yǔ)言變量的概念及其運(yùn)算法則，然后結(jié)合文獻(xiàn)［6］的思想，對(duì)語(yǔ)言多屬性決策問(wèn)題綜合考慮待評(píng)方案綜合屬性值之間相離度最大化和權(quán)系數(shù)的隨機(jī)性，引入Shannon熵［7］來(lái)描述權(quán)系數(shù)的不確定性，給出一種新的計(jì)算屬性權(quán)系數(shù)的方法．該方法以待評(píng)方案綜合屬性值之間相離度最大化和Jaynes最大熵原理［7］為依據(jù)，建立了確定屬性權(quán)系數(shù)的優(yōu)化模型，并給出了模型的精確解．隨后利用語(yǔ)言加權(quán)算術(shù)平均(LWAA)算子，對(duì)語(yǔ)言決策信息進(jìn)行加權(quán)集成，繼而對(duì)檔案網(wǎng)站績(jī)效進(jìn)行排序和擇優(yōu)．最后通過(guò)實(shí)例說(shuō)明此方法的有效性．

1 預(yù)備知識(shí)

(a)若i＞ j，則si＞ sj;

(b)存在負(fù)算子neg(si)=s-i;

(c)若 si≥ sj，則 max(si，sj)=si;

(d)若 si≤ sj，則 min(si，sj)=si．

例如：S可以定義如下：

S={s-4=極差，s-3=很差，s-2=差，s-1=稍差，s0=一般，s1=稍好，s2=好，s3=很好，s4=極好}．

定義 1［2，5］設(shè) sα，sβ∈為兩個(gè)語(yǔ)言變量，那么sα與sβ之間的規(guī)范化距離定義為：

2 基于語(yǔ)言信息的檔案網(wǎng)站績(jī)效評(píng)估模型

令 M={1，2，…，m} ，N={1，2，…，n} ，利用LWAA算子對(duì)決策者的語(yǔ)言決策矩陣R=(rij)m×n的屬性值進(jìn)行集結(jié)，得到?jīng)Q策方案Ai關(guān)于屬性Gj的綜合屬性值：

顯然，綜合屬性值z(mì)i(w)越大，則其所對(duì)應(yīng)的檔案網(wǎng)站Ai越優(yōu)，在權(quán)重向量已經(jīng)確知的情況下，很容易對(duì)方案進(jìn)行排序．

由于客觀事物的復(fù)雜性及人類思維的模糊性，人們往往難以給出明確的屬性權(quán)重，有時(shí)會(huì)出現(xiàn)屬性權(quán)重完全未知這種極端情形．在這種情況下，需要事先確定屬性的權(quán)重．

有限個(gè)方案的多屬性評(píng)估問(wèn)題，實(shí)質(zhì)上是對(duì)這些方案綜合屬性值的排序比較．若所有決策方案在屬性Gj下的屬性值差異越小，則說(shuō)明該屬性對(duì)方案決策與排序所起的作用越小;反之，如果屬性Gj能使所有決策方案的屬性值有較大偏差，則說(shuō)明其對(duì)方案決策與排序?qū)⑵鹬匾饔茫虼?，從?duì)決策方案進(jìn)行排序的角度考慮，方案屬性值偏差越大的屬性應(yīng)該賦予越大的權(quán)重，方案屬性值偏差越小的屬性應(yīng)該賦予越小的權(quán)重．特別地，若所有決策方案在屬性Gj下的屬性值無(wú)差異，則屬性Gj對(duì)方案排序?qū)⒉黄鹱饔?，可令其?quán)重為零．

對(duì)于屬性Gj，若決策方案Ai與其它所有決策方案的偏差用Dij(w)表示，可以定義為：

因此，對(duì)屬性Gj而言，各決策方案與其它決策方案的屬性值的偏差為：

系統(tǒng)評(píng)價(jià)的目的就是要確定一個(gè)合理的屬性權(quán)系數(shù)，使所有評(píng)價(jià)屬性對(duì)所有待評(píng)方案之總離差為最大，即極大化：

來(lái)表示屬性權(quán)系數(shù)的不確定性．

多屬性決策的另一個(gè)目的就是盡量消除各屬性權(quán)系數(shù)的不確定性，根據(jù)Jaynes最大熵原理［7］，確定的屬性權(quán)系數(shù)應(yīng)使 Shannon熵取極大，

為達(dá)到上述兩個(gè)目的，求解權(quán)向量w就等價(jià)于求解如下最優(yōu)化問(wèn)題：

其中u為正參數(shù)，滿足0＜u＜1，用來(lái)表示上述兩個(gè)目標(biāo)之間的平衡系數(shù)，可根據(jù)實(shí)際問(wèn)題給出．下面求解優(yōu)化問(wèn)題．先構(gòu)造Lagrange函數(shù)

根據(jù)極值存在的必要條件，有

從而解得權(quán)重向量w：

綜上所述，給出如下算法：

步驟2 利用(10)式求出最優(yōu)屬性權(quán)重向量w，令式中u=0．2．

步驟3 由(3)式求得各檔案網(wǎng)站綜合屬性值z(mì)i(w)．

步驟4 根據(jù)zi(w)的值對(duì)檔案網(wǎng)站進(jìn)行降序排列，zi(w)的值越大，對(duì)應(yīng)的檔案網(wǎng)站就越優(yōu)．

3 應(yīng)用舉例

現(xiàn)對(duì)5個(gè)綜合性檔案網(wǎng)站(A1～A5)的績(jī)效進(jìn)行評(píng)估．在評(píng)估時(shí)，設(shè)4個(gè)評(píng)價(jià)屬性G1～G4(屬性分別為內(nèi)容服務(wù)，功能服務(wù)，質(zhì)量服務(wù)和系統(tǒng)建設(shè))．決策者利用語(yǔ)言評(píng)估標(biāo)度S得到的評(píng)估矩陣為：

試確定最佳檔案網(wǎng)站．下面利用本文所給的方法進(jìn)行求解．

步驟1 由(10)式得最優(yōu)屬性權(quán)重向量w．w=(0．2213 0．2842 0．3221 0．1724)T．

步驟2 利用(3)式求得檔案網(wǎng)站Ai(i=1，2，…，5) 的綜合屬性值 zi(w)(i=1，2，…，5) ，

步驟3 檔案網(wǎng)站的排序結(jié)果為：A2＞A5＞A4＞A3＞A1．因此，最優(yōu)檔案網(wǎng)站為A2．

4 結(jié)語(yǔ)

本文基于語(yǔ)言信息處理模型對(duì)我國(guó)檔案網(wǎng)站績(jī)效評(píng)估的問(wèn)題進(jìn)行深入和系統(tǒng)的研究，提煉出檔案網(wǎng)站建設(shè)中的關(guān)鍵指標(biāo)，形成客觀公正的檔案網(wǎng)站績(jī)效評(píng)估指標(biāo)體系和評(píng)估模型．利用語(yǔ)言變量的運(yùn)算法則，針對(duì)屬性權(quán)重完全未知的情形，利用待評(píng)檔案網(wǎng)站的綜合評(píng)價(jià)值之間的相離度最大化和屬性權(quán)系數(shù)的隨機(jī)性，給出了一種新的語(yǔ)言多屬性決策的賦權(quán)方法．該方法以優(yōu)化理論和Jaynes最大熵原理為依據(jù)，以待評(píng)檔案網(wǎng)站的綜合評(píng)價(jià)值之間的相離度和權(quán)系數(shù)的信息熵最大化為目標(biāo)，建立了優(yōu)化模型，并給出了屬性權(quán)重的精確解．然后利用語(yǔ)言加權(quán)算術(shù)平均(LWAA)算子，對(duì)語(yǔ)言決策信息進(jìn)行加權(quán)集成，進(jìn)而對(duì)檔案網(wǎng)站進(jìn)行排序和擇優(yōu)．從實(shí)例可以看出，本文給出的方法不但計(jì)算簡(jiǎn)單，可信度高，而且可廣泛應(yīng)用于投資決策、人事管理、項(xiàng)目評(píng)估、經(jīng)濟(jì)效益綜合評(píng)價(jià)等諸多領(lǐng)域．

［1］Xu Z S．A note on linguistic hybrid arithmetic averaging operator in multiple attribute group decision making with linguistic information［J］．Group Decision and Negotiation，2007(2)：59-61．

［2］Xu Z S．A method for multiple attribute decision making with incomplete weight information in linguistic setting［J］．Knowledge-Based Systems，2007，20(8)：719-725．

［3］Xu Z S．An interactive procedure for linguistic multiple attribute decision making with incomplete weight information［J］．Fuzzy Optimization and Decision Making，2007，6(1)：17-27．

［4］Wu Z B，Chen Y H．The maximizing deviation method for group multiple attribute decision making under linguistic environment［J］．Fuzzy Sets and Systems，2007，158(14)：1608-1617．

［5］Xu Z S．Goal programming models for multiple attribute decision making under linguistic setting［J］．Journal of Management Sciences in China，2006，9(2)：9-17．

［6］Wang Y M．Using the method of maximizing deviations to make decision for multiindicies［J］．Systems Engineering and Electronics，1998，20(7)：24-26．

［7］Zhu X L．Application information theory basis［M］．Beijing：Tsinghua University Press，2001：91-95．

［8］Wang Z Y．A method of multi-object decision-making based on maximum deviations and entropy ［J］．Journal of PLA University of Science and Technology(Natural Science)，2002，3(6)：93-95．

［9］Wei Guiwu．Uncertain linguistic hybrid geometric mean operator and its application to group decision making under uncertain linguistic environment［J］．International Journal of Uncertainty，F(xiàn)uzziness，Knowledge-Based Systems，2009，17(2)，251-267．

［10］Wei Guiwu．A method for multiple attribute group decision making based on the ET-WG and ET-OWG operators with 2-tuple linguistic information［J］．Expert Systems with Applications，2010，37(12)，7895-7900．

［11］Wei Guiwu，Lin R，Zhao Xiaofei，et al．Models for multiple attribute group decision making with 2-tuple Linguistic assessment information［J］．International Journal of Computational Intelligence Systems，2010，3(3)，315-324．

［12］Wei Guiwu．Extension of TOPSIS method for 2-tuple linguistic multiple attribute group decision making with incomplete weight information［J］．Knowledge and Information Systems，2010，25：623-634．

［13］Wei Guiwu，Zhao Xiaofei．Some dependent aggregation operators with 2-tuple linguistic information and their application to multiple attribute group decision making［J］．Expert Systems with Applications，2012，39：5881-5886．

［14］Wei Guiwu．Some harmonic averaging operators with 2-tuple linguistic assessment information and their application to multiple attribute group decision making［J］．International Journal of Uncertainty，F(xiàn)uzziness and Knowledge-Based Systems，2011，19(6)：977-998．

［15］Wei Guiwu．Some generalized aggregating operators with linguistic information and their application to multiple attribute group decision making［J］．Computers ＆ Industrial Engineering，2011，61(1)：32-38．

［16］肖艷，王紅君．基于不確定語(yǔ)言環(huán)境的績(jī)效考評(píng)模型［J］．重慶文理學(xué)院學(xué)報(bào)：自然科學(xué)版，2010，29(1)：27-30．

［17］張學(xué)軍，衛(wèi)貴武．選聘優(yōu)秀管理人員的不確定語(yǔ)言決策模型［J］．科技管理研究，2009，29(3)：201-203．

［18］衛(wèi)貴武，王小容．基于理想解和熵的不確定語(yǔ)言多屬性決策方法［J］．科技管理研究，2008，28(2)：67-69．

［19］衛(wèi)貴武．不確定語(yǔ)言多屬性決策的組合方法［J］．模糊系統(tǒng)與數(shù)學(xué)，2008，22(4)：106-111．

［20］衛(wèi)貴武，黃登仕，魏宇．對(duì)方案有偏好的不確定語(yǔ)言多屬性決策方法［J］．管理學(xué)報(bào)，2007，4(5)：575-579．

［21］王紅君．不確定語(yǔ)言環(huán)境下的ERP系統(tǒng)選型方法［J］．重慶文理學(xué)院學(xué)報(bào)：自然科學(xué)版，2009，28(4)：67-70．